Az AWS az Amazon SageMaker 5 éves innovációját ünnepli

Mindössze 5 év alatt ügyfelek tízezrei csaptak le Amazon SageMaker modellek millióinak létrehozására, több milliárd paraméterrel rendelkező modell képzésére, és havi előrejelzések százmilliárdjainak generálására.

A gépi tanulás (ML) paradigmaváltásának magvai évtizedekig ott voltak, de a gyakorlatilag végtelen számítási kapacitás, az adatok tömeges elterjedése és az ML-technológiák gyors fejlődése miatt az ügyfelek az iparágakban hozzáférhetnek az átalakuláshoz. előnyöket. Az AWS létrehozta az Amazon SageMakert, hogy kihasználja ezt a lehetőséget, és az ML-t a kutatólaboratóriumból a szervezetek kezébe helyezze. Idén ünnepeljük az Amazon SageMaker, zászlóshajó, teljesen felügyelt ML szolgáltatásunk 5 éves évfordulóját, amely az AWS re:Invent 2017-en indult, és az AWS történetének egyik leggyorsabban növekvő szolgáltatásává vált.

Az AWS elindította az Amazon SageMaker-t, hogy lebontsa az ML akadályait, és demokratizálja a legmodernebb technológiához való hozzáférést. Ma ez a siker elkerülhetetlennek tűnhetett, de 2017-ben az ML-hez még mindig olyan speciális készségekre volt szükség, amelyek jellemzően fejlesztők, kutatók, PhD-k vagy vállalatok korlátozott csoportjával rendelkeztek, amelyek az ML köré építették üzleti tevékenységüket. Korábban a fejlesztőknek és adattudósoknak először olyan formátumokba kellett vizualizálniuk, átalakítaniuk és előfeldolgozniuk az adatokat, amelyeket az algoritmusok a modellek betanításához használhattak, ami hatalmas számítási teljesítményt, hosszú betanítási időszakokat és elkötelezett csapatokat igényelt a gyakran több GPU-t felölelő környezetek kezeléséhez. engedélyezett szerverek – és egészséges mennyiségű kézi teljesítményhangolás. Ezenkívül egy betanított modell alkalmazáson belüli üzembe helyezése eltérő speciális készségeket igényelt az alkalmazástervezés és az elosztott rendszerek terén. Ahogy az adatkészletek és a változók növekedtek, a vállalatoknak meg kellett ismételni ezt a folyamatot, hogy tanuljanak és fejlődjenek az új információkból, ahogy a régebbi modellek elavultak. Ezek a kihívások és akadályok azt jelentették, hogy az ML a legtöbb számára elérhetetlen volt, kivéve a jól finanszírozott szervezeteket és kutatóintézeteket.

A gépi tanulás új korszakának hajnala

Ezért vezettük be az Amazon SageMakert, zászlóshajónkat, ML menedzselt szolgáltatásunkat, amely lehetővé teszi a fejlesztők, adattudósok és üzleti elemzők számára, hogy gyorsan és egyszerűen készítsenek adatokat, valamint magas színvonalú ML modelleket építsenek, képezzenek és telepítsenek nagy méretekben. Az elmúlt 5 évben több mint 250 új funkciót és képességet adtunk hozzá, köztük a világ első integrált fejlesztői környezetét (IDE) az ML-hez, hibakeresőket, modellfigyelőket, profilozókat, az AutoML-t, egy szolgáltatástárolót, kód nélküli képességeket és az első célirányosan épített folyamatos integrációs és folyamatos szállítási (CI/CD) eszköz, amely az ML-t kevésbé bonyolulttá és jobban méretezhetővé teszi a felhőben és a szélső eszközökön.

2021-ben még tovább vittük a demokratizálódást, hogy több felhasználó számára elérhetővé tegyük az ML-t. Az Amazon SageMaker lehetővé teszi több embercsoport számára, hogy ML modelleket hozzanak létre, beleértve a kód nélküli környezetet is Amazon SageMaker Canvas ML-tapasztalattal nem rendelkező üzleti elemzők számára, valamint egy beállítás- és díjmentes ML-környezet a diákok számára, hogy gyorsabban tanulhassanak és kísérletezzenek az ML-vel.

Manapság a vásárlók az Amazon SageMakerrel újíthatnak különféle eszközök segítségével – az adattudósoknak szánt IDE-k és az üzleti elemzők számára kód nélküli interfész révén. Hozzáférhetnek, felcímkézhetnek és feldolgozhatnak nagy mennyiségű strukturált adatot (táblázatos adatok) és strukturálatlan adatokat (fotó, videó és hang) az ML számára. Az Amazon SageMaker segítségével az ügyfelek órákról percekre csökkenthetik az edzési időt az optimalizált infrastruktúra segítségével. Végül pedig az ügyfelek automatizálhatják és szabványosíthatják a gépi tanulási műveletek (MLOps) gyakorlatait a szervezetükben, hogy modelleket építhessenek, képezhessenek, telepíthessenek és menedzselhessenek.

Új funkciók az innováció következő generációjához

Előrehaladva az AWS továbbra is agresszíven fejleszt új funkciókat, amelyek segíthetik az ügyfeleket az ML továbbfejlesztésében. Például az Amazon SageMaker többmodell végpontjai (MME) lehetővé teszik az ügyfelek számára, hogy több ezer ML-modellt telepítsenek egyetlen Amazon SageMaker-végponton, és csökkentsék a költségeket azáltal, hogy megosztják a végpont mögött kiépített példányokat az összes modell között. Egészen a közelmúltig az MME-ket csak a CPU-k támogatták, de az Amazon SageMaker MME-k már támogatják a GPU-kat. Az ügyfelek az Amazon SageMaker MME segítségével mély tanulási modelleket helyezhetnek üzembe GPU-példányokon, és akár a költségek 90%-át is megtakaríthatják azáltal, hogy több ezer mélytanulási modellt telepítenek egyetlen többmodelles végpontra. Az Amazon SageMaker a számítás-optimalizált támogatást is kiterjesztette Amazon rugalmas számítási felhő (Amazon EC2) példányok powered by AWS Graviton 2 és Graviton 3 processzorok, amelyek kiválóan alkalmasak a CPU-alapú ML következtetésre, így az ügyfelek a munkaterhelésükhöz optimális példánytípuson telepíthetik a modelleket.

Az Amazon SageMaker ügyfelei szabadjára engedik a gépi tanulás erejét

Minden méretű és iparágban tevékenykedő vásárló minden nap az Amazon SageMakerhez fordul, hogy kísérletezzen, újítson és telepítsen ML modelleket rövidebb idő alatt és alacsonyabb költséggel, mint valaha. Ennek eredményeként a beszélgetések a lehetséges művészetéről a termelékenység új szintjei felé mozdulnak el az ML segítségével. Manapság olyan ügyfelek állnak a rendelkezésére, mint a Capital One és a Fannie Mae a pénzügyi szolgáltatásokban, a Philips és az AstraZeneca az egészségügyben és az élettudományokban, a Conde Nast és a Thomson Reuters a médiában, az NFL és a Forma 1 a sportban, az Amazon és a Mercado Libre a kiskereskedelemben, valamint a Siemens és a Bayer az ipari szektor ML szolgáltatásokat használ az AWS-en az üzleti innováció felgyorsítására. A szolgáltatást használó több tízezer Amazon SageMaker ügyfélhez csatlakoznak modellek millióinak kezelésére, több milliárd paraméterrel rendelkező modell képzésére, és havonta több százmilliárd előrejelzésre.

További újítások várnak. De addig is megállunk, hogy megköszönjük ügyfeleink számos sikerét.

Thomson Reuters

A Thomson Reuters, az üzleti információs szolgáltatások vezető szolgáltatója, kihasználja az Amazon SageMaker erejét, hogy intuitívabb szolgáltatásokat hozzon létre ügyfelei számára.

„Folyamatosan olyan szilárd, mesterséges intelligencia-alapú megoldásokat keresünk, amelyek hosszú távon pozitív megtérülést biztosítanak a befektetésnek” – mondta Danilo Tommasina, a Thomson Reuters Labs mérnöki igazgatója. „Az Amazon SageMaker központi szerepet játszik a mesterséges intelligencia kutatás-fejlesztésében. Lehetővé teszi számunkra, hogy hatékonyan végezzünk kutatást kiforrott és magasan automatizált megoldások terén. Az Amazon SageMaker Studio segítségével a kutatók és mérnökök az üzleti problémák megoldására összpontosíthatnak az ML munkafolyamathoz szükséges összes eszközzel egyetlen IDE-ben. Az összes ML fejlesztési tevékenységünket, beleértve a notebookokat, a kísérletkezelést, az ML folyamatok automatizálását és a hibakeresést, közvetlenül az Amazon SageMaker Studio-ból végezzük.”

Salesforce

A Salesforce, a világ vezető CRM-platformja nemrégiben új integrációkat jelentett be, amelyek lehetővé teszik az Amazon SageMaker használatát az Einstein, a Salesforce mesterséges intelligencia technológiája mellett.

„A Salesforce Einstein az első átfogó mesterséges intelligencia a CRM-hez, és lehetővé teszi, hogy minden vállalat okosabbá és előrelátóbbá váljon ügyfelei számára az értékesítési, marketing, kereskedelmi, szolgáltatási és IT-technológiák integrált készletén keresztül” – mondta Rahul Auradkar, az Einstein alelnöke. és Unified Data Services a Salesforce-nál. „Az egyik legnagyobb kihívás, amellyel manapság szembesülnek a vállalatok, az, hogy adataik silóban vannak. Nehéz összegyűjteni az adatokat az ügyfelek valós idejű elköteleződése érdekében az összes érintkezési ponton, és értelmes üzleti betekintést nyerni. A Genie, a Salesforce valós idejű ügyféladat-platformja által működtetett Salesforce és Amazon SageMaker integráció lehetővé teszi az adatcsapatok számára, hogy zökkenőmentesen hozzáférjenek az egységes és harmonizált ügyféladatokhoz az ML modellek Amazon SageMakerben való felépítéséhez és betanításához. A telepítést követően ezek az Amazon SageMaker modellek Einsteinnel együtt használhatók előrejelzések és betekintések biztosítására a Salesforce platformon. Ahogy fejlődik a mesterséges intelligencia, továbbra is fejlesztjük Einsteint a „hozd magad modellezéssel” (BYOM), hogy találkozzunk a fejlesztőkkel és adatkutatókkal, ahol dolgoznak.”

Meta AI

A Meta AI egy mesterséges intelligencia laboratórium, amely a Meta Platforms Inc.-hez tartozik.

„A Meta AI együttműködött az AWS-szel a torch.distributed fejlesztése érdekében, hogy segítse a fejlesztőket az Amazon SageMaker és a Trainium-alapú példányok használatával bővíteni képzésüket” – mondta Geeta Chauhan, a Meta AI Applied AI Engineering Managere. „Ezekkel a fejlesztésekkel azt tapasztaltuk, hogy a tesztjeink alapján csökkent a képzési idő a nagy modelleknél. Izgatottan várjuk, hogy az Amazon SageMaker támogatja a PyTorch elosztott képzését az ML innováció felgyorsítása érdekében.”

Tyson Foods Inc.

A Tyson Foods Inc., a világ egyik legnagyobb húsfeldolgozója és -értékesítője az Amazon SageMakerre támaszkodik, Amazon SageMaker Ground Truthés AWS Panoráma a hatékonyság javítására.

„A működési kiválóság kulcsfontosságú prioritás a Tyson Foods-nál” – mondta Barret Miller, a Tyson Foods Inc. feltörekvő technológiai részlegének vezető menedzsere. „Az ML által hajtott számítógépes látást használjuk az AWS-en a termelés hatékonyságának javítása, a folyamatok automatizálása, valamint az időigényes ill. hibaveszélyes feladatok. Együttműködtünk az Amazon Machine Learning Solutions Laborral, hogy létrehozzunk egy korszerű objektumészlelési modellt az Amazon SageMaker Ground Truth és az AWS Panorama segítségével. Ezzel a megoldással közel valós idejű betekintést kapunk, amelyek segítenek előállítani a szükséges készletet, miközben minimalizáljuk a hulladékot.”

Autodesk

Az AutoCAD az Autodesk kereskedelmi, számítógéppel segített tervező és rajzoló szoftveralkalmazása. Az AutoCAD az Amazon SageMakerre támaszkodik a generatív tervezési folyamat optimalizálása érdekében.

„Szerettük volna az AutoCAD ügyfeleit hatékonyabbá tenni azáltal, hogy személyre szabott, pillanatnyi használati tippeket és betekintést nyújtunk, biztosítva, hogy az AutoCAD-ben eltöltött idő a lehető legproduktívabb legyen” – mondta Dania El Hassan, az AutoCAD termékmenedzsment igazgatója. , az Autodesknél. „Az Amazon SageMaker alapvető eszköz volt, amely segített abban, hogy proaktív parancs- és parancsikon-javaslatokat adjunk felhasználóinknak, lehetővé téve számukra, hogy hatékony, új tervezési eredményeket érjenek el.”

Torc.ai

Az Amazon SageMaker és az Amazon SageMaker elosztott adat párhuzamos (SMDDP) könyvtár segítségével Torc.aiA 2005 óta vezető autonóm járművek önvezető teherautókat forgalmaznak a biztonságos, tartós és hosszú távú áruszállítás érdekében az árufuvarozásban.

„A csapatom most már könnyedén képes nagy léptékű elosztott képzési feladatokat futtatni az Amazon SageMaker modellképzés és az Amazon SageMaker elosztott adatok párhuzamos (SMDDP) könyvtára segítségével, amely terabájtnyi képzési adatot és több millió paraméterrel rendelkező modellt tartalmaz” – mondta Derek Johnson, Vice. A Torc.ai mérnöki részlegének elnöke. „Az Amazon SageMaker által elosztott modellképzés és az SMDDP segített nekünk a zökkenőmentes méretezésben anélkül, hogy a képzési infrastruktúrát kellene kezelnünk. Ez több napról néhány órára csökkentette a modellek betanítására fordított időt, lehetővé téve számunkra, hogy a tervezési ciklusunkat lerövidítsük, és minden eddiginél gyorsabban új autonóm járműképességeket vigyünk be flottánkba.”

LG AI kutatás

Az LG AI Research célja, hogy a mesterséges intelligencia következő korszakának élére álljon az Amazon SageMaker segítségével az ML modellek gyorsabb betanítására és bevezetésére.

„Nemrég mutattuk be a Tildát, a mesterséges intelligencia művészt, amelyet az EXAONE, egy szuperóriás mesterségesintelligencia-rendszer hajtott végre, amely 250 millió nagy felbontású kép-szöveg pár adatkészletet képes feldolgozni” – mondta Seung Hwan Kim, az LG AI Research alelnöke és Vision Lab vezetője. „A multimodalitású mesterséges intelligencia lehetővé teszi, hogy a Tilda önmagában új képet hozzon létre, és képes az általa észlelt nyelven túlmutató felfedezni is. Az Amazon SageMaker nélkülözhetetlen volt az EXAONE fejlesztésében, méretezhetősége és elosztott képzési képességei miatt. Pontosabban, ennek a szuperóriás mesterséges intelligenciának a betanításához szükséges hatalmas számítási feladatok miatt a hatékony párhuzamos feldolgozás nagyon fontos. Szükségünk volt arra is, hogy folyamatosan kezeljük a nagyméretű adatokat, és rugalmasan reagáljunk az újonnan beszerzett adatokra. Az Amazon SageMaker modelltanítás és az elosztott képzési könyvtárak segítségével optimalizáltuk az elosztott képzést, és 59%-kal gyorsabban betanítottuk a modellt – anélkül, hogy jelentősebb módosításokat végeztünk volna a képzési kódon.”

Mueller víztermékek

A Mueller Water Products tervezett szelepeket, tűzcsapokat, csőcsatlakozó- és -javító termékeket, mérőeszközöket, szivárgásérzékelő megoldásokat és egyebeket gyárt. Az Amazon SageMaker segítségével innovatív ML megoldást fejlesztett ki a vízszivárgás gyorsabb észlelésére.

„Az a küldetésünk, hogy 7.7-ig 2027 milliárd gallon vízveszteséget takarítsunk meg” – mondta Dave Johnston, a Mueller Water Products intelligens infrastruktúrájának igazgatója. „Az Amazon SageMakerre épített ML modelleknek köszönhetően javítottuk az EchoShore-DX, akusztikus alapú anomália-érzékelő rendszerünk pontosságát. Ennek eredményeként gyorsabban tudjuk értesíteni a közüzemi ügyfeleket, ha szivárgás történik. Ez a megoldás becslések szerint 675 millió gallon vizet takarított meg 2021-ben. Izgatottan várjuk, hogy továbbra is használhassuk az AWS ML szolgáltatásait technológiai portfóliónk továbbfejlesztése, valamint a közüzemi ügyfeleinkkel folytatott vezetési hatékonyság és fenntarthatóság érdekében.”

Canva

A Canva, a népszerű online tervezési és közzétételi eszköz gyártója az Amazon SageMaker erejére támaszkodik a gyors megvalósítás érdekében.

„Ahhoz, hogy a Canva nagymértékben növekedhessen, szükségünk volt egy olyan eszközre, amely segít új funkciókat késedelem vagy probléma nélkül elindítani” – mondta Greg Roodt, a Canva adatplatformokért felelős vezetője. „Az Amazon SageMaker alkalmazkodóképessége lehetővé tette számunkra, hogy kevesebb erőforrással több feladatot kezeljünk, ami gyorsabb és hatékonyabb munkaterhelést eredményezett. Ez magabiztosságot adott mérnökcsapatunknak, hogy az általuk elindított funkciók a használati esetükhöz igazodnak. Az Amazon SageMakerrel 2 hét alatt bevezettük szöveg-kép modellünket, hatékony felügyelt infrastruktúra segítségével, és reméljük, hogy a közeljövőben több millió felhasználóra is kiterjeszthetjük ezt a funkciót.”

Inspirál

Az Inspire, egy fogyasztóközpontú egészségügyi információs szolgáltatás, az Amazon SageMakerre támaszkodik, hogy gyakorlatias betekintést nyújtson a jobb ellátás, kezelések és eredmények érdekében.

„A tartalomajánló motorunk az értékajánlatunk egyik fő mozgatórugója” – mondta Brian Loew, az Inspire vezérigazgatója és alapítója. „Arra használjuk, hogy felhasználóinkat (akik bizonyos körülmények között élnek) releváns és konkrét bejegyzésekhez vagy cikkekhez irányítsuk. Az Amazon SageMaker segítségével könnyedén építhetünk, képezhetünk és telepíthetünk mély tanulási modelleket. Az Amazon SageMakeren alapuló kifinomult ML-megoldásunk segít abban, hogy javítsuk tartalomajánló motorunk azon képességét, hogy releváns tartalmakat javasoljon 2 millió regisztrált felhasználó számára, 1.5 milliárd szót tartalmazó könyvtárunkból 3,600 feltétel mellett. Az Amazon SageMaker lehetővé tette számunkra, hogy a betegeket és a gondozókat személyre szabottabb tartalommal és erőforrásokkal – beleértve a ritka betegségekre vonatkozó információkat és a kezelési útvonalakat – pontosan összekapcsoljuk.”

ResMed

A ResMed a felhőalapú megoldások vezető szolgáltatója az alvási apnoéban, COPD-ben, asztmában és más krónikus betegségekben szenvedők számára. 2014-ben a ResMed elindította a MyAirt, egy személyre szabott terápiamenedzsment platformot és alkalmazást a betegek számára, hogy nyomon kövessék az alvásterápiát.

„Az Amazon SageMaker előtt minden MyAir felhasználó ugyanazokat az üzeneteket kapta az alkalmazástól, állapotától függetlenül” – mondta Badri Raghavan, a ResMed adattudományi alelnöke. „Az Amazon SageMaker lehetővé tette számunkra, hogy a MyAir-en keresztül kapcsolatba léphessünk a betegekkel az általuk használt ResMed-eszköz, az ébrenléti idő és más kontextuális adatok alapján. Az Amazon SageMaker számos funkcióját kihasználjuk a modellfolyamatok betanításához és a telepítési típusok kiválasztásához, beleértve a közel valós idejű és kötegelt következtetéseket is, hogy személyre szabott tartalmat biztosítsunk. Az Amazon SageMaker lehetővé tette számunkra, hogy hónapok helyett napok vagy hetek alatt telepítsük a modelleket, hogy elérjük azt a célunkat, hogy az ML-képességeket világszerte beágyazzuk.”

Verisk

A Verisk szakértői adatvezérelt elemzési betekintést nyújt, amely segít az üzleti életben, az emberekben és a társadalmakban erősebbé, rugalmasabbá és fenntarthatóbbá válni. Az Amazon SageMakert használja az ML munkafolyamatok egyszerűsítésére.

"A Verisk és a Vexcel szorosan együttműködnek annak érdekében, hogy hatalmas mennyiségű adatot tároljanak és dolgozzanak fel az AWS-en, beleértve a Vexcel ultra-nagy felbontású légifelvételi adatait, amelyeket a világ 26 országában rögzítenek" - mondta Jeffrey C. Taylor, a Verisk 3D Visual elnöke. Intelligencia. „Az Amazon SageMaker segít nekünk az ML és MLOps csapatok által végzett munka egyszerűsítésében, lehetővé téve számunkra, hogy ügyfeleink igényeinek kiszolgálására összpontosíthassunk, beleértve a biztosítási, ingatlan-, építőipari és egyéb ingatlantulajdonosokat is.”

Smartocto BV

Az Amazon SageMaker segítségével a Smartocto BV az ML által vezérelt tartalomelemzést biztosít 350 hírszerkesztőségnek és médiavállalatnak szerte a világon.

„Mivel az üzlet bővült, egyszerűsítenünk kellett ML-modelleink bevezetését, csökkentenünk kellett a piacra kerülési időt, és bővítenünk kellett termékkínálatunkat” – mondta Ilija Susa, a Smartocto adatkezelési igazgatója. „A nyílt forráskódú és a felhőalapú megoldások kombinációja azonban az ML-munkaterheléseink önálló kezelésére egyre időigényesebb volt. ML modelljeinket áttelepítettük az Amazon SageMaker végpontjaira, és kevesebb mint 3 hónapon belül elindítottuk a Smartify-t, egy új AWS-natív megoldást. A Smartify az Amazon SageMaker segítségével közel valós időben prediktív szerkesztői elemzést biztosít, ami segít az ügyfeleknek tartalmaik fejlesztésében és közönségük bővítésében.”

Visualfabriq

A Visualfabriq bevételkezelési megoldást kínál alkalmazott mesterséges intelligencia képességekkel a világ néhány vezető fogyasztási csomagolt árukat gyártó vállalatának. Az Amazon SageMaker segítségével javítja az ML modellek teljesítményét és pontosságát.

„A teljesítmény és a méretezhetőség javítása, valamint a modellek hozzáadásának, frissítésének és átképzésének megkönnyítése érdekében úgy akartuk átalakítani technológiai csomagunkat, hogy könnyebben hozzáadhatók, frissíthetők és újrataníthatók” – mondta Jelle Verstraaten, a Visualfabriq keresleti előrejelzéséért, mesterséges intelligenciáért és bevételnövekedés-kezelésért felelős csapatvezető. „Az Amazon SageMakerre való átállás legnagyobb hatása a megoldásunk teljesítményének jelentős javulása volt. Ha webszerverek helyett dedikált szervereken futtatunk következtetéseket, megoldásunk hatékonyabb, a költségek konzisztensek és átláthatóak. 200%-kal javítottuk a kereslet-előrejelzési szolgáltatásunk válaszidejét – amely előrejelzi a promóciós akció hatását a kiskereskedő eladási volumenére –, és olyan méretezhető megoldást vezettünk be, amely kevesebb kézi beavatkozást igényel, és felgyorsítja az új ügyfelek bevonását.”

Sophos

A Sophos, a következő generációs kiberbiztonsági megoldások és szolgáltatások terén világszerte vezető vállalat, az Amazon SageMaker segítségével hatékonyabban oktatja ML modelljeit.

„Erőteljes technológiánk észleli és kiküszöböli a rosszindulatú programokkal ravaszul összefűzött fájlokat” – mondta Konstantin Berlin, a Sophos mesterséges intelligencia részlegének vezetője. „Az XGBoost modellek alkalmazása több terabájt méretű adatkészletek feldolgozására azonban rendkívül időigényes volt – és néha egyszerűen nem lehetséges korlátozott memóriaterület mellett. Az Amazon SageMaker elosztott képzésével sikeresen edzhetünk egy könnyű XGBoost modellt, amely sokkal kisebb lemezen (akár 25-ször kisebb) és memóriájában (akár ötször kisebb), mint elődje. Az Amazon SageMaker automatikus modellhangolása és a Spot Instances megosztott képzése segítségével gyorsan és hatékonyabban módosíthatjuk és újrataníthatjuk a modelleket anélkül, hogy módosítanánk a mögöttes képzési infrastruktúrát, amely az ilyen nagy adatkészletekre való méretezéshez szükséges.”

Northwestern University

A Northwestern University hallgatói a Master of Science in Artificial Intelligence (MSAI) programban részt vettek Amazon SageMaker Studio Lab mielőtt egy hackathon során használná.

„Az Amazon SageMaker Studio Lab könnyű használhatósága lehetővé tette a diákok számára, hogy gyorsan alkalmazzák a tanultakat kreatív megoldások kidolgozására” – mondta Mohammed Alam, az MSAI program igazgatóhelyettese. „Arra számítottunk, hogy a tanulók természetesen ütköznek néhány akadályba a rövid, 5 órás verseny során. Ehelyett felülmúlták várakozásainkat azzal, hogy nemcsak az összes projektet befejezték, hanem lenyűgöző prezentációkat is tartottak, amelyekben összetett ML-koncepciókat alkalmaztak fontos valós problémákra.”

Rensselaer Polytechnic Institute

A Rensselaer Polytechnic Institute (RPI), egy New York-i technológiai kutatóegyetem, az Amazon SageMaker Studio segítségével segíti a diákokat az ML fogalmak gyors elsajátításában.

„Az RPI birtokolja a világ egyik legerősebb szuperszámítógépét, de az AI meredek tanulási görbével rendelkezik” – mondta Mohammed J. Zaki, a számítástechnika professzora. „Szükségünk volt arra, hogy a diákok költséghatékonyan kezdhessék el. Az Amazon SageMaker Studio Lab intuitív kezelőfelülete lehetővé tette diákjaink számára, hogy gyorsan elkezdhessék a munkát, és hatékony GPU-t biztosítottak számukra, lehetővé téve számukra, hogy összetett mélytanulási modellekkel dolgozzanak a csúcsprojektjeikhez.”

Hongkongi Szakképzési Intézet

A Hong Kong Institute of Vocational Education (Lee Wai Lee) informatikai osztálya az Amazon SageMaker Studio Lab segítségével kínál lehetőséget a diákoknak, hogy valós ML projekteken dolgozzanak.

„Az Amazon SageMaker Studio Lab-t használjuk az alapszintű ML- és Python-tanfolyamokon, amelyek szilárd alapot biztosítanak a hallgatóknak számos felhőtechnológiában” – mondta Cyrus Wong, adjunktus. „Az Amazon SageMaker Studio Lab lehetővé teszi hallgatóink számára, hogy gyakorlati tapasztalatokat szerezzenek valós adattudományi projektekkel kapcsolatban anélkül, hogy beleragadnának a beállításokba vagy konfigurációkba. Más gyártókkal ellentétben ez egy Linuxos gép a diákok számára, és sokkal több kódolási gyakorlat elvégzését teszi lehetővé.”

MapmyIndia

A MapmyIndia, India vezető digitális térképek, térinformatikai szoftverek és helyalapú Internet of Things (IoT) szolgáltatója az Amazon SageMaker segítségével építi, képezi és telepíti ML modelljeit.

„A MapmyIndia és globális platformunk, a Mappls robusztus, rendkívül pontos és világszerte működő mesterséges intelligencia és számítógépes látás által vezérelt műhold- és utcakép-alapú elemzéseket kínál számos felhasználási esetre, például a gazdasági fejlődés, a népességnövekedés és a mezőgazdaság mérésére. teljesítmény, építési tevékenység, utcatáblák észlelése, földrészletezés és útváltozások észlelése” – mondta Rohan Verma, a MapmyIndia vezérigazgatója és ügyvezető igazgatója. „Az a képességünk, hogy gyorsan és pontosan hozzunk létre, oktassunk és telepítsünk modelleket, különböztet meg minket. Örülünk, hogy együttműködhetünk az AWS-szel AI/ML kínálatunkban, és izgatottak vagyunk amiatt, hogy az Amazon SageMaker képes ezt gyorsan bővíteni.”

Biztos

A SatSure, az indiai székhelyű vezető döntési intelligencia megoldások terén, amelyek Föld-megfigyelési adatokat használnak a betekintések generálására, az Amazon SageMakerre támaszkodik az ML adatok petabájtjainak előkészítésében és betanításában.

„Az Amazon SageMaker segítségével petabájtnyi EO-t, GIS-t, pénzügyi, szöveges és üzleti adatkészleteket dolgozunk fel, AI/ML képességeit felhasználva modelljeink újítására és gyors méretezésére” – mondta Prateep Basu, a SatSure vezérigazgatója. „2017 óta használjuk az AWS-t, és segítettünk a pénzintézeteknek hitelt nyújtani több mint 2 millió gazdálkodónak Indiában, Nigériában és a Fülöp-szigeteken, miközben hetente 1 millió négyzetkilométert figyelünk meg.”

Következtetés

Az Amazon SageMaker használatának megkezdéséhez látogassa meg a webhelyet aws.amazon.com/sagemaker.

---

A szerzőről

Ankur Mehrotra 2008-ban csatlakozott az Amazonhoz, és jelenleg az Amazon SageMaker vezérigazgatója. Az Amazon SageMaker előtt az Amazon.com hirdetési rendszereinek és automatizált árazási technológiájának kiépítésén dolgozott.